机器学习

绪论　机器学习概述　　1 第1章　机器学习的构成要素　　9 1.1　任务：可通过机器学习解决的问题　　9 1.1.1　探寻结构　　11 1.1.2　性能评价　　13 1.2　模型：机器学习的输出　　14 1.2.1　几何模型　　14 1.2.2　概率模型　　17 1.2.3　逻辑模型　　22 1.2.4　分组模型与评分模型　　26 1.3　特征：机器学习的马达　　26 1.3.1　特征的两种用法　　28 1.3.2　特征的构造与变换　　29 1.3.3　特征之间的交互　　32 1.4　总结与展望　　33 第2章　两类分类及相关任务　　37 2.1　分类　　39 2.1.1　分类性能的评价　　40 2.1.2　分类性能的可视化　　43 2.2　评分与排序　　46 2.2.1　排序性能的评价及可视化　　48 2.2.2　将排序器转化为分类器　　52 2.3　类概率估计　　54 2.3.1　类概率估计量　　55 2.3.2　将排序器转化为概率估计子　　57 2.4　小结与延伸阅读　　59 第3章　超越两类分类　　61 3.1　处理多类问题　　61 3.1.1　多类分类　　61 3.1.2　多类得分及概率　　65 3.2　回归　　68 3.3　无监督学习及描述性学习　　70 3.3.1　预测性聚类与描述性聚类　　71 3.2.2　其他描述性模型　　74 3.4　小结与延伸阅读　　76 第4章　概念学习　　77 4.1　假设空间　　78 4.1.1　最小一般性　　79 4.1.2　内部析取　　82 4.2　通过假设空间的路径　　84 4.2.1　最一般相容假设　　86 4.2.2　封闭概念　　87 4.3　超越合取概念　　88 4.4　可学习性　　92 4.5　小结与延伸阅读　　94 第5章　树模型　　97 5.1　决策树　　100 5.2　排序与概率估计树　　103 5.3　作为减小方差的树学习方法　　110 5.3.1　回归树　　110 5.3.2　聚类树　　113 5.4　小结与延伸阅读　　115 第6章　规则模型　　117 6.1　学习有序规则列表　　117 6.2　学习无序规则集　　124 6.2.1　用于排序和概率估计的规则集　　128 6.2.2　深入探究规则重叠　　130 6.3　描述性规则学习　　131 6.3.1　用于子群发现的规则学习　　131 6.3.2　关联规则挖掘　　135 6.4　一阶规则学习　　139 6.5　小结与延伸阅读　　143 第7章　线性模型　　145 7.1　最小二乘法　　146 7.1.1　多元线性回归　　150 7.1.2　正则化回归　　153 7.1.3　利用最小二乘回归实现分类　　153 7.2　感知机　　155 7.3　支持向量机　　158 7.4　从线性分类器导出概率　　164 7.5　超越线性的核方法　　168 7.6　小结与延伸阅读　　170 第8章　基于距离的模型　　173 8.1　距离测度的多样性　　173 8.2　近邻与范例　　178 8.3　最近邻分类器　　182 8.4　基于距离的聚类　　184 8.4.1　K均值算法　　186 8.4.2　K中心点聚类　　187 8.4.3　silhouette　　188 8.5　层次聚类　　190 8.6　从核函数到距离　　194 8.7　小结与延伸阅读　　195 第9章　概率模型　　197 9.1　正态分布及其几何意义　　200 9.2　属性数据的概率模型　　205 9.2.1　利用朴素贝叶斯模型实现分类　　206 9.2.2　训练朴素贝叶斯模型　　209 9.3　通过优化条件似然实现鉴别式学习　　211 9.4　含隐变量的概率模型　　214 9.4.1　期望最大化算法　　215 9.4.2　高斯混合模型　　216 9.5　基于压缩的模型　　218 9.6　小结与延伸阅读　　220 第10章　特征　　223 10.1　特征的类型　　223 10.1.1　特征上的计算　　223 10.1.2　属性特征、有序特征及数量特征　　227 10.1.3　结构化特征　　228 10.2　特征变换　　229 10.2.1　阈值化与离散化　　229 10.2.2　归一化与标定　　234 10.2.3　特征缺失　　239 10.3　特征的构造与选择　　240 10.4　小结与延伸阅读　　243 第11章　模型的集成　　245 11.1　Bagging与随机森林　　246 11.2　Boosting　　247 11.3　集成学习进阶　　250 11.3.1　偏差、方差及裕量　　250 11.3.2　其他集成方法　　251 11.3.3　元学习　　252 11.4　小结与延伸阅读　　252 第12章　机器学习的实验　　255 12.1　度量指标的选择　　256 12.2　量指标的获取　　258 12.3　如何解释度量指标　　260 12.4　小结与延伸阅读　　264 后记　路在何方　　267 记忆要点　　269 参考文献　　271

1、机器学习是作者弗拉赫 (Peter Flach)创作的原创作品，下载链接均为网友上传的网盘链接！

2、相识电子书提供优质免费的txt、pdf等下载链接，所有电子书均为完整版！